Pulse

问题背景

Pulse 是一个个人 Agent Runtime 实验项目。它关注的问题不是“让模型多调用几个工具”，而是长期任务如何调度、恢复、审计，以及如何在真实场景里控制风险。

我的职责

• 负责整体架构和核心功能实现，覆盖 Agent Runtime、业务模块、浏览器执行层和多渠道接入。
• 设计三层分离的 Agent Runtime：Agent OS / Task Runtime / Memory Runtime。
• 实现求职自动化、HR 对话、技术雷达、飞书与微信双渠道交互。
• 构建 EventBus、SSE、监控面板、审计日志和告警链路。

技术架构

• Agent OS 层：Heartbeat 守护循环、通用任务抽象、模块自注册、工作时段感知、四级恢复梯度与人工接管。
• Task Runtime 层：全链路追踪 ID、五类执行模式上下文隔离、Prompt 模板体系、Hook 生命周期、安全门控、Checkpoint / Resume。
• Memory Runtime 层：Layer × Scope 双轴记忆模型、四级压缩流水线、事实晋升、治理审计与冲突替代。
• 业务模块：多平台求职自动化、HR 对话、技术雷达，以 Modular Monolith + Capability Layer 组织。
• 执行层：Patchright 反检测浏览器执行，结合确定性 DOM 操作与 LLM 语义决策。

核心难点

• 长期托管：心跳不是简单定时器，而是完整 Agent Turn，需要支持恢复、熔断、人工接管和工作时段感知。
• 安全边界：求职对话、简历发送和平台操作都有误触风险，需要来源匹配、敏感话题白名单、置信度兜底和幂等性检查。
• 记忆治理：不同执行模式需要隔离上下文和记忆权限，避免长期记忆污染或错误事实持续扩散。
• 反检测自动化：多招聘平台页面结构和风控策略差异明显，需要在执行确定性与决策灵活性之间做平衡。

证据入口

• GitHub：https://github.com/wanghong5233/Pulse
• 运行截图 / 架构图 / 技术复盘：待补充

结果与复盘

• 系统在个人真实求职中持续运行，支持对话指令触发与定时托管。
• 求职模块覆盖 BOSS 直聘、猎聘、智联招聘、实习僧等平台，单平台日均自动触达 50+ 位 HR。
• 技术雷达模块可每日自动采集多源信息，经 LLM 相关度评分、摘要和去重后推送飞书简报。
• 后续重点是补充公开演示材料、架构图和复盘文档。

设计取舍与后续计划

• 采用 Modular Monolith，而不是过早拆成微服务，优先降低个人长期维护成本。
• 求职自动化使用“确定性 DOM 操作 + LLM 语义决策”的混合方案，而不是纯视觉 Agent，优先保证执行稳定性。
• 记忆系统采用 Layer × Scope 双轴隔离，牺牲部分实现复杂度，换取长期任务中的状态可控性。